Abstract— In recent years, it has b

Abstract— In recent years, it has become more and more popular to recommend friends on the location-based social network (LBSN), which is combined with the user's behavior in the real world. LBSN has three attributes including temporal, spatial and social correlation. However,
the combination situation of the three cannot be solved in previous algorithms. For instance, the problem of recommending friends with similar location preference in real world cannot be solved by the method based on the social network topology or non-topological information
(such as user profile). A new approach that recommends friends with similar location preference for LBSN's users is proposed, in which both the online friendship information and the offline user behavior are considered. The theories and methods including Markov chain, cosine similarity
based on location clustering and threshold evaluation are used in the proposed approach. Finally, rationality and effectiveness of the algorithm is verified by using a real dataset which is from a LBSN (Gowalla).

結果 (繁體中文) 1:

抽象 — — 近年來，它已成為越來越受歡迎，建議朋友們在基於位置的社交網路 (LBSN)，這結合使用者的行為在現實世界中。LBSN 具有包括時間、 空間和社會相關的三個屬性。然而，三個的組合情況不能在以前的演算法解決了。例如，推薦朋友與現實世界中的類似區位偏好的問題不能解決由基於社會網路拓撲或非拓撲資訊的方法（如使用者設定檔）。提出了一種新的方法，建議類似位置偏愛用 LBSN 的使用者朋友，審議了線上友誼資訊和離線使用者行為。理論和方法，包括瑪律柯夫鏈，余弦相似性基於聚類的位置和閾值評價中提出的方法使用。最後，通過使用真實資料集是從 LBSN (Gowalla) 驗證該演算法的合理性和有效性。

結果 (繁體中文) 2:

摘要：近年來，它已成為越來越流行推薦朋友基於位置的社交網絡（LBSN），它與用戶的現實世界中的行為結合上。LBSN有三個屬性包括時間，空間和社會關係。然而，
這三個的組合情況，不能在前面的算法解決。例如，建議在現實世界中類似位置偏愛的朋友的問題不能由基於所述社交網絡拓撲或者非拓撲信息的方法來解決
（例如用戶簡檔）。該建議具有類似位置偏愛LBSN的用戶朋友們的新方法，提出了在這兩個在線的友誼信息和離線用戶行為的考慮。包括馬爾可夫鏈，餘弦相似的理論和方法
基於位置的聚類和閾值的評估在所提出的方法使用。最後，合理性和算法的有效性是通過使用真實的數據集是從一個LBSN（Gowalla的）驗證。